[发明专利]一种基于LSTM的点胶图形智能生成方法

权利要求书

1.一种基于LSTM的点胶图形智能生成方法，其特征在于：包括如下步骤：

S1、数据准备：收集自动贴装数据的输入特征和输出特征形成数据集，将所述数据集划分为训练集、验证集和测试集；

S2、建立输入特征属性向量：对所述输入特征进行预处理得到输入特征属性向量；

S3、建立输出特征属性向量：对所述输出特征进行预处理得到输出特征属性向量；

S4、建立LSTM模型：设计LSTM结构及超参数建立LSTM模型；

S5、训练LSTM模型：设计所述LSTM模型的损失函数和优化算法，分别使用所述输入特征属性向量和所述输出特征属性向量进行LSTM模型训练，修正所述超参数，直至训练结束得到最终LSTM模型；

S6、生成点胶图形：调用所述最终LSTM模型，输入新产品的所述输入特征属性向量，生成新产品点胶图形的所述输出特征属性向量，并得到所述新产品的所述输出特征，生成点胶图形。

2.根据权利要求1所述的一种基于LSTM的点胶图形智能生成方法，其特征在于：步骤S1中所述输入特征包括：数值型特征、序数特征和标称特征；步骤S1中所述输出特征是所述点胶图形的坐标序列。

3.根据权利要求1所述的一种基于LSTM的点胶图形智能生成方法，其特征在于：步骤S1中所述数据集的样本总数不少于1000组，所述训练集、所述验证集和所述测试集的比例依次为：70％，20％，10％。

4.根据权利要求2所述的一种基于LSTM的点胶图形智能生成方法，其特征在于：步骤S2包括：

S21、定义所述数值型特征，并将所述数值型特征进行归一化处理，得到数值型特征向量；

S22、将所述序数特征进行编码，得到序数特征向量；

S23、将所述标称特征进行One-hot编码，得到标称特征向量；

S24、将所述数值型特征向量、所述序数特征向量和所述标称特征向量组合，得到所述输入特征属性向量。

5.根据权利要求4所述的一种基于LSTM的点胶图形智能生成方法，其特征在于：步骤S21中所述数值型特征为芯片尺寸和针头尺寸，步骤S22中所述序数特征为贴装表面粗糙度，步骤S23中所述标称特征为贴片胶体类别。

6.根据权利要求2所述的一种基于LSTM的点胶图形智能生成方法，其特征在于：步骤S3包括：

S31、将第三维度增加进所述输出特征得到三维输出特征，所述第三维度为所述针头抬起状态；

S32、填充所述三维输出特征，使所有所述三维输出特征长度一致；

S33、归一化所述三维输出特征，得到所述输出特征属性向量。

7.根据权利要求1所述的一种基于LSTM的点胶图形智能生成方法，其特征在于：步骤S4中，所述LSTM结构为：输入层是向量重复层，所述输入层之后为两层LSTM。

8.根据权利要求1所述的一种基于LSTM的点胶图形智能生成方法，其特征在于：步骤S4中，所述LSTM模型的激活函数分别为双曲正切函数和修正线性单元函数，所述LSTM模型的每层均进行批标准化处理和dropout处理。

9.根据权利要求1所述的一种基于LSTM的点胶图形智能生成方法，其特征在于：步骤S5中，所述损失函数为均方误差函数。

10.根据权利要求1所述的一种基于LSTM的点胶图形智能生成方法，其特征在于：步骤S5中，所述优化算法为RMSprop。